Redisson客户端在Redis集群节点故障恢复后无法自动恢复的问题分析与解决方案

问题背景

在使用Redisson客户端连接Redis集群环境时，当Redis集群中的某个节点发生故障并恢复后，Redisson客户端可能会持续报错而无法自动恢复连接。这种情况通常表现为客户端抛出RedisNodeNotFoundException异常，提示节点尚未被发现，建议增加重试次数和重试间隔设置。

问题现象

在Redis 7.2.3集群环境(3主3从)中，当某个节点(如192.168.10.60:31001)发生故障并恢复后，Redisson客户端仍然会抛出以下异常：

org.redisson.client.RedisNodeNotFoundException: Node: NodeSource [slot=7713, addr=redis://192.168.10.60:31001, redisClient=null, redirect=MOVED, entry=null] hasn't been discovered yet. Increase value of retryAttempts and/or retryInterval settings.

这个异常表明Redisson客户端无法识别已经恢复的Redis节点，导致后续所有针对该节点slot范围(7713)的操作都会失败。

问题原因分析

1. 版本兼容性问题：用户使用的是Redisson 3.18.0版本，这个版本在处理Redis集群节点故障恢复时的机制不够完善。

2. 集群拓扑更新不及时：当Redis集群节点恢复后，Redisson客户端没有及时获取到最新的集群拓扑信息，仍然使用旧的节点映射关系。

3. 重试机制不足：默认的重试次数(retryAttempts)和重试间隔(retryInterval)设置可能不足以让客户端等待集群完全恢复并更新拓扑。

4. MOVED重定向处理问题：当Redis返回MOVED重定向响应时，客户端没有正确处理这个响应并更新路由信息。

解决方案

1. 升级Redisson版本：建议升级到Redisson 3.42.0或更高版本，这些版本改进了集群故障恢复的处理机制。

2. 调整重试参数：如果暂时无法升级版本，可以尝试增加重试参数：

   redisson:
     clusterServersConfig:
       retryAttempts: 10
       retryInterval: 1000
   

3. 实现自定义恢复逻辑：在应用层捕获异常并实现重试机制，或者手动触发集群拓扑更新。

4. 监控集群状态：实现监控机制，当检测到集群节点变化时，主动通知Redisson客户端刷新拓扑。

最佳实践建议

1. 保持组件更新：定期更新Redisson客户端到最新稳定版本，以获得更好的稳定性和故障恢复能力。

2. 合理配置超时和重试：根据业务需求合理设置连接超时、命令超时和重试参数。

3. 实现熔断机制：在应用层实现熔断机制，当Redis集群不可用时可以优雅降级。

4. 监控和告警：建立完善的监控体系，及时发现和处理Redis集群节点故障。

5. 测试故障场景：在测试环境中模拟各种故障场景，验证系统的恢复能力。

总结

Redis集群环境下节点故障恢复是一个复杂的场景，Redisson客户端需要正确处理各种异常情况并及时更新集群拓扑。通过升级到最新版本、合理配置参数以及实现适当的恢复机制，可以显著提高系统的稳定性和可用性。对于生产环境，建议进行全面测试，确保在各种故障场景下系统都能正确恢复。